AI 并未抢走我们的工作，但能源成本可能会。

对 AI 抢工作恐慌并没有数据支撑。AI 的能源问题是真实存在的，而现在的问题是英国能否足够快速地建设和部署，以保持竞争力。

自2023年底以来，根据ONS的数据，使用人工智能的英国企业比例几乎从约12%增长到35%，接近翻三倍。尽管如此，这些企业中大多数报告称其整体员工人数并未出现任何变化，而对劳动力市场证据的更广泛审查发现，即使在纸面上最易受到影响的职业中，也没有出现持续的岗位被取代。Google 自己的关于 Gemini 的研究在美国得出了类似的结论。这并不意味着 AI 对工作没有影响。AI 正在改变工作内部的任务分配，但它尚未导致办公室空荡荡。

真正的瓶颈: 电网容量 vs. AI 需求

因此，关于 AI 抢走我们工作的广泛恐慌远远超前于数据。真正落后于数据的，是能源。IEA 预计，到2030年全球数据中心的电力需求将翻倍以上，达到约945 TWh，超过日本目前的全部电力消费。AI 是这一增长的最大驱动因素，而它的到来速度快于新建发电、输电或储能设施的速度。再加上一些针对就业恐慌的便利政治戏码，所获得的资金根本不是解决方案: 另一个 AI 工作组或针对从未成为制约因素的技能缺口的培训计划，而不是实际需要的电塔和许可。

就业辩论遗漏的另一点是: 能源价格上升并非仅仅因为需求上升。它们上升是因为用于为电力定价的市场从未为这种冲击做好准备。批发电力的定价采用半小时窗口，使用的发电和消费数据往往是估算而非测量，并在事后数周才进行对账。当需求增长缓慢时，这种延迟还能接受。但当一个新数据中心一夜之间就能增加相当于小镇的负荷时，原本用于指示发电商下一步建设位置的价格信号却来得太晚、且失真，无法发挥作用。

这就是能源账单并不总是如人们预期那样紧随头条的原因。随着中东战争导致的石油冲击和航运路线中断进一步推高天然气（以及随之而来的电力）价格，这种压力很少能直接体现在账单上。成本上升体现在大多数账单从不列明的基础设施上，叠加在已经膨胀、滞后且不完美的批发价格之上，这些价格本身就是对实时稀缺性的估计。再加上一类需要持续供电以大规模运行计算的新买家，就相当于在仍然像2005年那样结算的市场上叠加了一个快速且资本密集的需求冲击。

能源市场延迟如何威胁经济增长

这正是就业风险真正所在，与已经使用 AI 的企业的员工人数无关。昂贵且不透明的能源的真实成本在于那些从未建成的项目。英国的电网连接排队已从2024年11月的41 GW 合同需求膨胀至2025年6月的125 GW。约有50 GW 的排队需求来自数据中心项目，开发商报告称等待时间超过十年，甚至有连接日期推迟至2037年。每一吉瓦都代表一个地点、一份施工合同、一支运营团队以及一条停留在纸面上而未能转化为工资单的供应链。

而且不仅仅是数据中心。去年，CBI 报告称，近90%的英国企业在过去三年中看到能源账单上涨，四成企业因此计划缩减投资。当电价不可预测且获取更多电力的等待时间以年计时，公司通常不会先裁员，而是取消本来会雇佣下一百人的扩张或新建项目。他们倾向于缩小规模、限制创意，随后其他人跟随。这一机制: 对能源的不确定性实际上是对雄心的税收，是对尚未创造的岗位征税，而不是对已存在岗位的税收。

综合来看，这既是国家竞争力问题，也是商业问题。计算能力和能源容量已实际上合并为单一约束。去掉 AI 的标题后，我们只剩下一个响亮的警示: 在全球舞台上，没有哪个国家能在电力交易成本仍高于竞争对手的情况下保持竞争力。一个无法快速、公平、可靠地定价和交付电力的国家，无法赢得 AI 正在塑造的新工业赛跑，也无法创造该赛跑本应带来的岗位，无论其技能基础或创业生态如何。降低电子成本是生存之道。

修复管道: AI 基础设施的政策优先事项

如果政策制定者想把政治资本投入 AI，最好将其指向市场的管道和电网连接排队。结合对电力定价、计量和结算方式的现代化改革，卡在那125 GW 排队中的岗位就可以转化为工资单。解决这一问题，英国就能在下一轮建设中竞争——无论是开设第二家分店的咖啡馆、围绕其建设完整供应链的超级工厂，还是成为下一个 DeepMind 的 AI 实验室。